Speaker 2
መደበኛ
እንግሊዝኛ
Neutral
Dia TTS
Dia TTS
Speaker 2 በDia TTS ጽሑፍ-ወደ-ንግግር ሞዴል የተደገፈ የ neutral AI ድምፅ ነው. ይህ መደበኛ-ደረጃ ድምፅ እንግሊዝኛ ይናገራል እና ስታዲየም-quality የንግግር ማቀነባበሪያን ይሰጣል. በ መካከለኛ የፍጥነት ፍጥነት እና በ 5/5 ጥራት ደረጃ Speaker 2 ለ podcasts, audiobook dialogues, conversational content ተስማሚ ነው የ Dia TTS ማሽን በ Nari Labs under the Apache 2.0 license የተገነባ ሲሆን ለኮሜርሺያል ጥቅም ደህንነቱ የተጠበቀ ነው። የዋና ችሎታዎችን ያካትታል: multi-speaker, dialog generation, natural turn-taking, emotional expression, 1.6b parameters.
ደረጃ አልተሰጠም
የሞዴል መረጃ
| ሞዴል | Dia TTS |
| አዘጋጅ | Nari Labs |
| ጥራት | |
| ፍጥነት | መሀከል |
| ፈቃድ | Apache 2.0 |
| መተላለፊያ | አልተገኘም |
| ዐምድ | መደበኛ (2 ክሬዲቶች/1K ፊደላት) |
| መለኪያዎች | 1.6B |
| አርክቴክቸር | Transformer Autoregressive + DAC |
| ዓመት | 2024 |
ምርጥ የጠቀሙበት ሁኔታዎች Speaker 2
የድምፅ ባህሪያትን በመመርኮዝ የተመረጡ ፕሮግራሞች
የድምፅ መጽሐፍት
Speaker 2ን በመጠቀም ረዥም የሆኑትን ይዘቶች በነፃነት ለመግለጽ ይጠቀሙ
የቪዲዮ ድምፅ
የዩቲዩብ ቪዲዮዎች፣ ማስታወቂያዎች እና ማህበራዊ ሚዲያ ይዘት ላይ የሙያ መዝገበ ቃላትን ጨምር።
ብሮድካስት
የስታዲዮ ጥራት ምርት ለፖድካስት, ሬዲዮ, እና ሙያ ብሮድካስቲንግ ተስማሚ ነው.
የኤሌክትሮኒክ መማርና ስልጠና
የጥናት መሣሪያዎችን፣ ኮርሶችን እና የሥልጠና ይዘቶችን በግልጽ AI ታሪክ ውስጥ ያድርጉ።
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
ዲያ በናሪ ላብስ የተሰራ 1.6 ቢ ፓራሜትር ጽሑፍ-ወደ-ንግግር ሞዴል ነው በብዙ-ተናጋሪ ውይይት ለማምረት የተሰራ። በሁለት ተናጋሪዎች መካከል ተገቢውን ዙር-መውሰድ፣ ፕሮሶዲ እና ስሜታዊ መግለጫዎች ጋር ተፈጥሯዊ-የሚሰማ ውይይት ማምረት ይችላል። ዲያ ለፖድካስት-style ይዘት፣ የኦዲዮ መጽሐፍ ውይይቶች እና ተለዋዋጭ የንግግር AI ለመፍጠር ተስማሚ ነው ፡፡
ዲያ ቲቲኤስ በናሪ ላብስ የተሰራ ሲሆን በአፓቺ 2.0 ፈቃድ ስር ይወጣል፣ ይህም የቀረበውን ድምፅ ለኮሜርሺያል ጥቅም የሚፈቅድ ነው።
Dia TTS 1 ቋንቋን ይደግፋል: እንግሊዝኛ.
Dia TTS በስታንዳርድ ደረጃ ላይ ነው - ለ 1,000 አሃዞች 2 ክሬዲቶች. የ Dia TTS ድምፅን ነፃ ሆነው ከመፍጠርዎ በፊት ማየት ይችላሉ።
Dia TTS መካከለኛ የፍጥነት ፍጥነት አለው. በጽሑፉ ርዝመት ላይ በመመርኮዝ በጥቂት ሰከንዶች ውስጥ ይፈጠራል.
Dia TTS በ TTS.ai ላይ ለድምፅ ጥራት 5/5 ተቆጥሯል። ስቱዲዮ-ደረጃ፣ ሰው-እንደ ንግግር ይሰጣል ፡፡
አይደለም፣ ዲያ TTS የውስጥ ድምጾችን ቀጥተኛ ስብስብ ይጠቀማል። ለድምፅ ክሎኒንግ፣ እንደ ኮሲቮይስ 2፣ ጂፒቲ-ሶቪትስ ወይም ቻተርቦክስ ያሉ ሞዴሎችን ይሞክሩ።
አዎ, Dia TTS ለፖድካስቶች, ለኦዲዮ መጽሐፍ ቃለ ምልልስ, ለንግግር ይዘት ልዩ ልዩ ጠቃሚ ነው. የብዙ-ተናጋሪ, የቃል ቃለ ምልልስ ማምረት, የባህላዊ ዙር-መያዝ ችሎታዎች ለዚህ ጥቅም ሁኔታ ምርጥ ምርጫ ያደርገዋል.
አዎ፣ ዲያ ቲቲኤስ በአፓቺ 2.0 ስር ነው የተፈቀደው፣ ይህም የኮሜርሺያል ጥቅም ያስችላል። በዲያ ቲቲኤስ ድምጾች የተፈጠረው ድምፅ በቪዲዮዎች፣ በፖድካስቶች፣ በአፕሊኬሽኖች፣ በጨዋታዎች፣ እና በሌላ የኮሜርሺያል ፕሮጀክት ሊጠቀም ይችላል።
አዎ፣ በTTS.ai ላይ ያሉት ድምጾች ሁሉ የኮሜርሺያል-ላይሴንስ የተሰጣቸውን የኦፕን-ሶርስ ሞዴሎችን (MIT, Apache 2.0) ይጠቀማሉ፡፡ የተፈጠረው ድምፅ በቪዲዮዎች፣ በፖድካስቶች፣ በአፕሊኬሽኖች፣ በጨዋታዎችና በሌሎችም የኮሜርሺያል ፕሮግራሞች ውስጥ ለመጠቀም የእርስዎ ነው
የ POST ጥያቄን ወደ /api/v1/tts/ በሞዴል ስም እና የድምፅ ID ይላኩ. በፒታውን፣ ጃቫስክሪፕት፣ ጎ፣ እና በኩርል የኮድ ምሳሌዎች የ API ማስረጃ ገጽን ይመልከቱ።
አዎ፣ ምሳሌ ለማዳመጥ በእነዚህ ገጾች ላይ ያለውን መጫን ቁልፍ ጠቅ ያድርጉ። በጽሑፍ ወደ ንግግር ገጽ ላይ የግል ጽሑፍን መጻፍ እና በየትኛውም ድምፅ ነፃ ቅድመ ዕይታን ማምጣት ይችላሉ።